适应性学习路径推荐

《适应性学习路径推荐》由会员分享，可在线阅读，更多相关《适应性学习路径推荐（10页珍藏版）》请在金锄头文库上搜索。

1、适应性学习路径推荐摘 要本文在对适应性学习系统的研究进行详细分析的基础上，将适应性学习路径推荐作为 主要研究内容。如何充分考虑学习者的特点，为其设计适应的学习路径是十分复杂的任务， 适应性学习路径推荐包括选择与学习者模型匹配的学习内容及其排序。本文结合具体案例， 探讨研究的价值和当前研究存在的不足，为后续的研究提供些许思路。关键词适应性学习；学习路径；学习者模型；学习对象；智能优化算法目前网络教学的主要形式为，教师在明确的教学目标指导下，经过精心的教 学设计，将教学材料和教学内容通过网络呈现给学生，以便学生获得知识并进行 强化18。这种教学形式往往忽视了学习者在学习目标、知识基础和学习风格等方

2、 面存在的个体差异，为所有学习者传递相似的教学内容，这容易造成学习者找不 到适合自己的学习资源，学习资源不能满足学习者的个性需求，影响网络学习质 量。适应性学习是通过学习者自身的原有知识经验与适应性学习系统进行交互活 动来获取知识、能力的过程，它充分考虑到教学行为的个性化与学习行为的个性 化特征。在适应性学习的方式下，学习资源可以适应各种学习者的需要和背景进 行不同的组合，教学内容的组织和呈现与个别特征相适应，可以解决当下网络教 学存在的问题。以适应性学习为基础开发的适应性学习支持系统在本质上是一类支持个别化 学习的在线学习环境，它针对个体在学习过程中的差异性而提供适合个体特征的 学习支持，包

3、括个性化的学习资源、学习过程和学习策略等为了让系统能够了解 学习者的个体差异，适应性学习支持系统提供了能够记录每个学习者学习目标、 知识状态和认知偏好等个体特征的学生模型。适应性学习支持系统强调对学习活 动的支持，它通过学前诊断测试和在学习过程中更新学生模型，实时地把握学习 者已有的知识基础、认知结构、学习风格、兴趣爱好等方面的信息，据此为学习 者提供在当前的状态下最适合的学习内容、学习策略和学习工具等18。张家华等 认为适应性学习支持系统包括三个核心组件19。学习者模型，对学习者的若干特 征信息的抽象描述，包括其在学习的过程中呈现出来的知识状态、目标、背景、 认知风格和爱好等。领域知识模型，

4、包括学习资源、课程结构、教学策略以及练 习测试库。适应性引擎，包括一些学习策略和学习工具，能根据学习者的有信息， 对齐认知能力和知识水平进行诊断，动态地建构适合的学习内容及其呈现方式， 并能对教学进行监控和管理，不断地更新和维护学习者模型。适应性学习路径推荐是适应性学习研究的一个重要的领域，是解决网络教育 资源增长速度和学习者获取资源能力之间矛盾的有效途径。彭绍东认为为学习者 提供确定的学习路径具有十分重要的意义如。为学习者提供清晰的学习线路，可 以避免迷航，减少失误，提高学习效率，可以为学习者的学习过程管理和学习评 价提供依据，实现学习内容结构化和可共享内容对象的包装，为学习支持服务的 实施

5、提供依据。陈仕品等提出了适应性学习内容动态组织的一般过程21。首先确 定学习目标，根据学习目标确定学习内容所对应的知识点，根据学习者的认知能 力确定教学的起点和学习内容的难度，采用适宜的教学策略组织学习内容序列， 将学习内容序列作为学习内容组织的输入，确定整个教学活动所需的知识点和知 识点顺序，根据学习者的学习风格调整学习内容序列和教学媒体的类型，通过教 学媒体表示学习内容序列，将适应性学习内容呈现给学习者。因为学习者在知识、能力和背景等方面存在着差异，所以一门课程的教学设 计很难适应所有学习者的需求。学习路径是指学习活动的路线与序列，是学习者 在一定的学习策略指导下，根据学习目标和学习所需完

6、成的学习活动排序，适应 性学习是依据学习者的个性化特征选择相适应的学习内容和学习方法1。适应性学 习路径推荐的核心特征是“个性化”，依据学习者特征进行学习对象的选择和排 序，形成专属学习路径。当前研究中所考虑到的有关学习者的因素主要包括为学 习风格、行为偏好、认知水平和同伴参考，学习内容的主要因素为难度、学习内 容间的约束和媒体表现形式。当然，也会因为研究者的目的不同，考虑的因素也 会存在差异。对于学习路径推荐的研究主要可以分为两大类。一类是对适应性学习路径推 荐影响因素的研究。Brusilovsky将学习目标和知识水平作为学习对象选择和排序 的依据，忽略学习者学习风格上的差异。Chang等认

7、为不适应的学习路径会造成 学习者的认知负担和学习过程中的迷失，为提高学习路径推荐的准确性，提出了 学习风格的识别方法例。黄志芳等认为虽然目前对于影响适应性学习路径推荐的 要素有较深入的研究，但缺乏系统性，且对于影响要素和学科知识没有一套完整 合理的表示模型24。为了解决上述问题，引入了情境感知技术。情境包括显式情 境感知、蕴含情境感知、网络情境感知和应用情境感知。学习路径生成可以理解 为根据学习者的情景信息选择一组最符合学习者个性化特征的具有前后件关系的 学科本体术语集合。另一类是对学习路径生成算法的研究。陈其晖等利用知识空间概念模型，将 知识空间中具有的转移路径转化为学习路径，由于知识点学习

8、的前提的限制，使 学习者的学习具有一定的顺序，这样学习路径最有问题就转化为一个典型的TSP约 束问题加上一个约束优化问题盗。吕琳等通过前测来掌握学习者的知识水平，考 虑了学习者的水平和推荐课件难度水平的匹配，以及课件之间的相关性以保证学 习概念的连续性，采用遗传算法利用基因染色体的序列代表个性化的学习路径， 通过对种群进行一系列的操作，来生成最佳学习路径，推荐给学习者如。肖会敏 等认为学习者完成学习目标，需要进行一系列学习对象的学习。而对于学习目的 不同，以及认知能力不同的学习者来说，对学习对象的学习次序和内容组织方式 不尽相同。在使用粒子群算法之前需要获得学习者的学习目的和知识水平，以 此寻

9、找相似学习者，然后将最有学习路径推荐给目标学习者。本文的研究重点是 对学习路径生成算法的研究。在基于Internet的教育网络环境下，对学习者个性化的需求越来越重视，在 以学习者为中心的教学中，其个性化的因素会影响到学习对象的选择。比如培训 某一项技能的教学系统，对于新手系统就需要基础的内容开始教学；而对于有一 定基础的学习者，可以跳过简单的学习对象，节省学习时间或学习更高层次知识。 从另一方面讲，如果学习者属于视频媒体偏好，那么为学习者准备文本类型的学 习资料，学习者会因为教学媒体的不适应，导致学习的效率下降。学习目标相同， 假设学习者智力水平、知识基础等相似，给予较短的学习时间的往往达不到

10、较长 学习时间的学习效果。在实际教学中，学习者学习时间有限，但教学目标既定， 不得不降低课堂教学复杂度以便在规定的时间内完成教学内容，降低复杂度通常 为使用更为简单的教学策略，带来的影响是学习效果降低。所以，学习路径规划 属于在一个存在约束的教学环境中，利用有限的资源设计教学，期望达到最好的 教学效果，即在约束条件下求最优解的问题。一、最优学习路径的生成算法最优学习路径的生成算法主要可以分为三类，智能优化算法、数据挖掘算法 和基于知识的推荐。研究中，主要是利用智能优化算法解决学习路径的推荐问题。 智能优化算法也被称为启发式算法，在求解问题时没有固定的最佳解，具有全局 优化性能、通用性强且适用于

11、并行计算的特点。由于适应性学习路径推荐是适应性学习研究的一个领域，所以学习路径规划 同适应性学习研究内容大体相似但又存在些许不同，研究内容主要包括四方面： 学习者模型、学习内容模型、目标函数和问题求解算法，下面将从这四方面详细 说明。学习者模型学习者模型是适应性学习路径推荐的基础，只有充分了解了学习者的特征， 才能使得学习路径最大程度的与学习者契合。陈仕品等认为网络环境下学习者的 个体差异主要体现在两方面：一是不同的学习者在个人能力、背景、学习风格、 学习目标等方面存在各种各样的差异性；二是学习者个体本身的知识状态在学习 过程中也是不断变化的，因此建立了一种基于认知状态和学习风格的学生模型。

12、该模型主要包括四个维度：学生描述、认知状态、学习风格和学习历史。其中， 学生描述记录了学生的基本信息；学习风格反映了学生的学习偏好；认知状态反 映了学生的认知过程和知识掌握程度；学习历史记录了学生的整个学习过程。学 生模型较好地反映了学生在认知状态和学习风格方面的个体差异，为适应性学习 支持系统提供了决策依据。张淼等认为学生模型包括知识特征和学习风格特征， 并采用贝叶斯网络实现知识传播和粒度层次方法实现知识表示构建覆盖型的学生 知识模型，利用K0lb的学习风格理论对学生进行测试，确定学习风格特征如。 Shanshan Wan等认为学习者的特征会影响学习材料的选择和排序，所以学习者模 型的构建是

13、学习路径推荐系统中一个基础且不可缺少的步骤。根据自己的教学经 历和调查，对学习风格进行了操作化的定义，包含各种学习者特征，比如媒体偏 好、不同类型学习材料的顺序、一个特定知识的学习时间、学习过程中积极或消 极的态度、接受新知识的能力、对不合适的学习对象的接受能力和学习效果评价 标准等等。Kurilovas E等认为学习者特征是代表学习者形象的一组数据集合， 并依据Honey和Mumford学习风格的测量结果代表学习者特征。Salehi M等认为学 习者接受学习材料顺序体现了学习者的特质，通过收集学习者学习活动的日志， 发现学习者特征。Karampiperis P等认为学习者模型包括知识空间与认

14、知的特点 和偏好，知识空间可以表示为领域概念本体的子集Klanja-MiliGeviG A等7提 出的Protus系统依据学习者不同的学习背景，偏好，学习目的和其它有意义的属 性推荐学习材料。在适应性推荐中，虽然对学习者的了解越详细学习者的形象就 越具体，推荐也就越准确，但从可操作性和效率的角度，必须进行严谨科学的研 究，选择的属性做到精炼有效。学习内容模型陈仕品等进行了适应性学习支持系统中学习内容组织策略的研究，他们认为 为了实现学习内容的动态组织必须实现三方面的准备工作21。一是按一定的关系 将领域知识进行分解，形成一棵领域知识树，其中领域知识的关系为前提关系、 包含关系和并列关系。二是根

15、据领域知识树表示的基础上，需要采用不同的数字 化教学媒体表示知识点，形成数字化教学资源，建立媒体空间。三是选择教学策 略来组织领域知识。肖建琼等提出基于知识本体表示的适应性学习系统中的学习 资源内容，采用KDD技术对领域学科知识的内在联系及层次关系分析和研究，获取 领域知识树，基于领域知识树建立领域知识本体，具体过程为：确定课程领域知 识点核心概念清单、定义知识点类及类层次结构和定义知识点相关属性3。本研究中学习内容组织是基于学习对象思想，学习对象是结合计算机面向对 象的思想和有关教学理论基础之上产生的一种新型计算机辅助教学的构件8，它具 有可重用性、数字化、教学性、元数据标识、目标指向性等特

16、点。学习资源是模 块化的，区别于素材类的或课程级的数字化教学资源，能够实现完整的教育意义9 对于学习对象的表示，胡瑛等1。认为，本体的概念化和共享性的本质特征就决定 了它可以用来描述和表达学习对象，并研究了在形式上陈述学习材料是什么的内 容本体和描述学习材料的结构形式化的结构本体。但在当前对学习路径规划问题 的研究中，普遍没有区分学习对象同素材类学习资源。Shanshan Wan等认为学习 对象的属性设置应与学习者模型相对应，以便计算适应程度，基本属性包括知识 点、媒体类型和内容属性，扩展属性包括时间、难度、重要程度，学习对象的组 织关系是通过混合概念图表示的。Durand G等认为学习者同学习对象交互的目 的是以初始能力为基础获得目标能力，所以将学习对象定义为可以被重复利用、 提供一种能力的数字化资源，它们之间是通过学习的先决条件进行联系。LinYSM 等将概念和材料组成学习对象，同时考虑学习对象具有多种不同类型，不同权重 的